面向英语、韩语和泰语的跨语言构音障碍严重程度分类

本文提出一种针对英语、韩语和泰语的跨语言分类方法，该方法同时采用语言无关特征与语言独有特征。首先，我们从嗓音质量、发音和韵律等多种语音维度中提取三十九个特征。其次，应用特征选择来识别每种语言的最优特征集。通过比较三种语言的特征选择结果，区分出一组共享特征与一组区分性特征。最后，利用这两组特征集进行自动严重程度分类。值得注意的是，所提方法按语言剔除不同特征，以防止其他语言的独有特征带来负面影响。相应地，由于 eXtreme Gradient Boosting（XGBoost）算法在填补缺失数据方面的优势，采用该算法进行分类。为验证所提方法的有效性，进行了两项基线实验：使用单语特征集交集的实验（Intersection）与使用单语特征集并集的实验（Union）。根据实验结果，我们的方法取得了更好的性能，F1 得分为 67.14%，而 Intersection 实验为 64.52%，Union 实验为 66.74%。此外，对于全部三种语言，所提方法均优于单语分类，相对百分比分别提升 17.67%、2.28%、7.79%（英语、韩语、泰语）。该结果表明，在跨语言构音障碍严重程度分类中，必须分别考虑共享特征与语言特定特征。